| 题名 | 基于GIS与RS的干旱区土地利用/土地覆盖专题信息提取技术研究 |
| 作者 | 欧立业 |
| 学位类别 | 硕士 |
| 答辩日期 | 2004-06 |
| 授予单位 | 中国科学院研究生院 |
| 导师 | 马海州 |
| 关键词 | 土地利用/土地覆盖 数据融合 纹理分析 BP神经网络 基于知识的分层综合分类 |
| 学位专业 | 地球化学 |
| 中文摘要 | 土地利用/土地覆盖变化(LUCC) 既是全球变化的原因，也是全球变化的结果，使得LUCC成为全球变化的一个研究热点。对于占全球陆地表面40%以上的干旱区，由于其具有成因复杂、类型多样、对环境变化敏感、变化过程快、幅度大、景观差异明显等特点，是全球变化特别是LUCC 研究的重要场所。土地利用/土地覆盖数据的获取是研究LUCC的重要基础工作。随着遥感技术的飞速发展，通过遥感提取土地利用/土地覆盖专题信息已成为LUCC研究必不可少的一步。 由于干旱区地表特征有别于东部湿润区，所以其图像处理及分类技术也具有特殊性；同时由于干旱区面积广大，又存在大片沙漠和高山等人迹罕至的地方，因此采用遥感与地理信息系统技术提取相关信息的应用潜力更大。但是目前遥感专题信息提取水平相对滞后，特别对于干旱区土地利用/土地覆盖专题信息的提取，大部分都是采用东部湿润区的方法，而采用传统方法提取的效果不是很理想。为了提高遥感信息在干旱区土地利用/土地覆盖的应用，提高遥感图像分类的精度是目前干旱区遥感应用的一个迫切要求。 本文以柴达木盆地东端作为研究区，以该地区的Landsat-7 ETM+ (1999年)遥感图像、1：25万的土地利用图、1:10万的地形图以及实地调查资料为主要数据源，采用数据融合技术对ETM+的全色波段与多光谱波段进行融合，对最大似然法、纹理分析、BP神经网络等方法的分类结果进行比较分析，在此基础上从遥感与地理信息系统一体化的角度研究遥感图像分类问题，提出了GIS支持下基于知识的分层综合分类法，将遥感分类与GIS及知识的应用相结合的研究应用于干旱区土地利用/土地覆盖研究中，以此来方便、有效地提高分类精度。 本文的研究结论主要有以下几点： 1. 对于ETM+数据的全色波段与多光谱波段的融合方法进行了比较分析。本文采取了IHS变换、Brovey变换、主成分变换以及SFIM变换等方法对其进行了融合，通过对结果的比较，最终确定把SFIM变换得到的融合图像作为进一步分析的主要数据。 2. 根据研究区土地利用/土地覆盖特点，建立了适合于研究区的土地利用/土地覆盖遥感分类体系。对遥感图像进行判读分析，确定了它们在遥感图像上的解译标志。 3. 采用了最大似然法、纹理分析法、神经网络分类法等方法对研究区的土地利用/土地覆盖类型进行提取。结果发现最大似然法的分类精度要比其它方法的要低，总体精度仅为52.20%，Kappa系数为0.4063。加入了纹理特征后，精度比最大似然法要高，特别是当加入了Homogeneity信息时，总体分类精度可以提高到57.59 % ，Kappa 系数提高到0.4875 。采用BP神经网络则在总体精度上有了较大的提高，其总体精度可以达到61.23%，Kappa 系数提高到0.5307。其中BP神经网络对水体的提取效果要比其它方法要好的多。 4. 在对分类试验结果和研究区实际情况的分析基础上提出了GIS支持下基于知识的综合分类法。它吸取了各种方法的优点，同时也把知识参与到对图像的解译中，通过比较发现GIS支持下基于知识的综合分类法比单独用最大似然法、纹理分析法、神经网络分类法的精度有很大的提高，总体精度可达83.67%，Kappa系数为0.7429。证明了该方法对于研究区土地利用/土地覆盖专题信息的提取是完全可行的 |
| 语种 | 中文 |
| 公开日期 | 2012-11-07 |
| 页码 | 70 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.isl.ac.cn/handle/363002/23]  |
| 专题 | 青海盐湖研究所_青海盐湖研究所知识仓储 |
| 推荐引用方式 GB/T 7714 | 欧立业. 基于GIS与RS的干旱区土地利用/土地覆盖专题信息提取技术研究[D]. 中国科学院研究生院. 2004. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论